王斌：AI创造视觉智能新图景丨2025科创大会

王斌 大华股份研发中心智能计算产品线总监

这两年，AI科技圈最火热的词莫过于AI和大模型。根据相关算力报告，中国智能算力规模保持高速增长，预计到2028年，整个中国的算力规模将达到2781.9 EFLOPS，复合增长率高达46.2%。模型能力快速迭代，开源生态不断完善，算力和模型已成为AI发展最重要的两大因素。

整体发展呈现四个趋势：第一，算力从云端逐渐向端侧渗透，模型越来越小型化，能在摄像头边缘或更多终端设备部署；第二，规模效应推动AI成本降低，实现AI普惠大众，AI发展也使其成本逐步降低；第三，技术持续创新，性能不断提升，硬件和模型性能都在不断发展；第四，开源模型加速发展，追赶甚至比肩闭源模型。

大模型发展也面临明显局限，如外部知识依赖、多模态能力瓶颈、算力成本偏高、幻觉问题等。

AI创新与全生态体系

大华股份在AI领域始终坚持投入与创新。随着AI发展，大华AI也在持续进步。2015年，我们基于深度学习技术发布智能交通一体机；2018年，发布开放平台，加速AI创新和应用落地。2021年，我们投入专项经费扩建算力中心，深入研究大模型技术。2023年，在深圳安防展上，我们发布了大华自研的星汉大模型。2025年对其全面升级，推出星汉大模型2.0。

大华科研实力强大，拥有五大基础技术研究院，分别研究视觉、硬件、软件、AI、大数据和物联网等基础领域。先进技术研究院是我们在AI领域的专门研究团队，有超过1000名人工智能研发人员，占比超98%，主要来自985和211高校。我们在人工智能各领域斩获重要奖项，包括参与国家及省级专项、制定国家及行业标准、获得发明专利、核心学术论文及全球AI竞赛获奖。星汉大模型也通过了信通院和网信办的测试认证。

面对蓬勃发展的AI趋势，大华构建全生态体系，打造差异化优势和竞争力。从下到上分为六个层次：

算力层：拥有云边端完整算力硬件体系，包括云中心智能服务器、边缘AI盒子、端侧摄像头和物联采集设备；建立云边端协同的算力网络。

基模层：坚持开闭源结合路线，闭源有自研星汉大模型，以视觉解析为核心，融合多模态能力；开源上吸取业界优秀经验，如通义千问、DeepSeek等大模型，实现开闭源优势互补。

仓库引擎层：模型仓库统一管理所有模型，视图引擎统一管理和协同调度云边端算力。

工具层：编排工具提供算法和策略编排能力，适应定制化场景；训练工具提供轻量化和专业训练模式，面向普通用户和专业开发者。

策略组件层：沉淀行业通用策略，加速AI应用开发，如大小模型协同、大模型二次过滤策略等。

业务层：大华在各行各业有深厚业务积累，通过业务层将AI技术转化为客户核心业务价值。

以视觉解析为核心打造三大系列大模型

星汉大模型以视觉解析为核心，以行业业务为驱动，融合多模态能力，分为V、M和L三类行业大模型，分别对应视觉大模型、多模态大模型和语言大模型，构建行业知识体，重塑行业应用。

三大系列能力介绍，首先是星汉视觉大模型V系列，通过四个场景进行举例：

火焰分析场景：传统小模型技术易受环境因素干扰，如灯光照射、夕阳等产生误报。大模型技术基于全图语义理解，极大提高准确率，误报率降低30%。

人群密度算法：在景区及重点场景广泛应用。大模型技术将识别半径扩到2.5倍，识别面积扩大5倍以上，通过多尺度可变形注意力，小目标识别准确率提升60%，达到90%以上，超密度和低光照情况下整体识别率超20%，准确率达95%左右，支持3200万分辨率像素下10×10像素小目标准确检测。

电力场景：开发表计、缺陷等70余种电力巡检大模型算法，实战中准确率均有不同程度提升。

落水检测：结合3D神经网络大模型技术，融合时空上下文信息，学习水面人体动作、波纹变化状态，精准识别复杂场景落水行为，有效抑制误报，准确率提升15%以上。

多模态大模型M系列基于图文融合能力，推出以问搜图、以图搜图、文搜视频三大应用，实现跨模态组合检索。文字搜图通过语义快速进行图像检索；以图搜图通过快速框选局部特征进行检索，如特征明显的双肩包、背包、LOGO等；视频片段理解提取关键视频要素，实现快速文本检索。

最后是大语言模型L系列：通过语言交互实现业务快速调度与数据分析，融合M和V系列联合使用构建新交互方式。如某员工丢失外卖，通过语音输入“请帮我打开3月27日下午5点左右，在外卖柜附近的录像”，系统毫秒级响应完成业务搜索。

同时，我们将数字孪生和大模型技术结合，辅以语音唤醒和语音识别，实现拟人化人机交互，构建灵活应用场景。通过多种技术的深度结合，让感知决策可视化。

• 更多关于科创大会的精彩资讯，将通过南方周末各渠道陆续发布，敬请关注。